신소재공학과 이홍섭 교수 연구팀, 고효율 추론용 멤리스터 어레이 구현
“고효율 AI 추론 하드웨어 기반의 주요 기술될 것”

최근 인공지능(AI) 기술 발전으로 데이터 처리량이 급증하며 기존 GPU나 NPU를 넘어서는 고효율 하드웨어의 필요성이 커지고 있다. 이에 따라 저장과 연산을 메모리 내부에서 동시에 수행하는 ‘인메모리 컴퓨팅(In-memory Computing)’ 기술이 차세대 AI 반도체 대안으로 주목받고 있다. 신소재공학과 이홍섭 교수 연구팀(제1저자 신소재공학과 손정현)이 차세대 AI 추론 전용 가속기를 개발했다. 연구 결과는 세계적 학술지 『Nano Energy(IF=17.1)』에 3월 게재됐다.

전류를 안정적으로 제한하며 정밀 제어가 가능한 멤리스터 어레이 구현해

멤리스터는 메모리와 레지스터의 합성어로 전기 자극에 따라 저항값이 달라지며 그 상태를 기억할 수 있는 차세대 전자소자로 인공지능 연산 하드웨어의 핵심 후보로 꼽힌다. 멤리스터 소자를 크로스바(crossbar) 구조로 구성하면 연산 장치와 메모리 간의 데이터 이동을 획기적으로 줄일 수 있어, 저전력 고속 연산에 적합한 AI 가속기를 구현할 수 있다.

하지만 패시브 크로스바 어레이에서는 선택되지 않은 소자들로 원치 않는 전류가 흐르는 ‘스니크 전류(sneak current)’ 문제와 멤리스터 소재 내 확률적 이온 거동으로 인한 가중치 학습의 신뢰성 저하 문제가 기술적 한계로 지목돼왔다.

이홍섭 교수 연구팀은 원자층 증착법(ALD) 공정을 활용해 리튬이온 기반 자가정류형 멤리스터 소자를 개발했다. 이를 통해 스니크 전류를 안정적으로 제한하면서도 정밀 제어가 가능한 멤리스터 어레이를 구현했다.

멤리스터 소자의 물리적 한계를 극복하기 위해 학습은 외부 서버에서 수행하고, 학습된 값을 엣지 디바이스 내 어레이에 정확히 반영하는 방식을 통해 추론 전용 가속 하드웨어 가능성을 제시했다. 연구팀은 알고리즘을 적용해 목표 가중치 값을 매핑해 99%가 넘는 높은 수율을 기록했다. 이홍섭 교수는 “대규모 크로스바 어레이 기반의 정확한 AI 추론 연산의 가능성을 보여준 결과”라며 의의를 설명했다. 이홍섭 교수 연구팀은 기존 AI 가속 하드웨어 대비 에너지 효율 향상 가능성을 검증할 계획이다.